基于天牛须搜索的粒子群优化算法求解投资组合问题

【文件属性】：
文件名称：基于天牛须搜索的粒子群优化算法求解投资组合问题
文件大小：1.16MB
文件格式：PDF
更新时间：2021-05-06 12:47:08
天牛须搜索(BAS) 粒子群算法(PSO) 投资组合模型 粒子群算法（PSO）作为一种群智能算法，有效提高了投资组合模型的实用性，但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点，本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO），并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO），每个粒子的更新规则源自BAS，在每次迭代中都有自己对环境空间的判断，而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解，从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.